Штучний інтелект прогнозує спалахи малярії в Південній Азії
Останній перегляд: 14.06.2024
Весь контент iLive перевіряється медичними експертами, щоб забезпечити максимально можливу точність і відповідність фактам.
У нас є строгі правила щодо вибору джерел інформації та ми посилаємося тільки на авторитетні сайти, академічні дослідницькі інститути і, по можливості, доведені медичні дослідження. Зверніть увагу, що цифри в дужках ([1], [2] і т. д.) є інтерактивними посиланнями на такі дослідження.
Якщо ви вважаєте, що який-небудь з наших матеріалів є неточним, застарілим або іншим чином сумнівним, виберіть його і натисніть Ctrl + Enter.
Дослідники з NDORMS у співпраці з міжнародними установами продемонстрували потенціал використання вимірювань навколишнього середовища та моделей глибокого навчання для прогнозування спалахів малярії в Південній Азії. Дослідження пропонує багатообіцяючі перспективи вдосконалення систем раннього попередження про одну з найсмертоносніших хвороб у світі.
Малярія залишається серйозною глобальною проблемою охорони здоров’я, оскільки ризик зараження вражає приблизно половину населення світу, особливо в Африці та Південній Азії. Хоча малярії можна запобігти, мінливий характер кліматичних, соціально-демографічних і екологічних факторів ризику ускладнює прогнозування спалахів.
Команда дослідників під керівництвом доцента Сари Халід з NDORMS Planetary Health Informatics Group Оксфордського університету у співпраці з Лахорським університетом менеджменту намагалася вирішити цю проблему та дослідити, чи може підхід до машинного навчання на основі середовища запропонувати потенціал для інструментів раннього попередження про малярію на конкретному місці.
Вони розробили багатовимірну модель LSTM (M-LSTM), яка одночасно аналізувала показники навколишнього середовища, включаючи температуру, кількість опадів, вимірювання рослинності та дані про нічне освітлення, щоб передбачити захворюваність на малярію в південноазіатському поясі, що охоплює Пакистан, Індію та Бангладеш.
Дані порівнювалися з показниками захворюваності на малярію на рівні округу для кожної країни в період з 2000 по 2017 роки, отримані з наборів даних демографічних і медичних досліджень Агентства США з міжнародного розвитку.
Результати, опубліковані в The Lancet Planetary Health, показують, що запропонована модель M-LSTM стабільно перевершує традиційну модель LSTM з похибками 94,5%, 99,7% і 99,8 % нижчі для Пакистану, Індії та Бангладеш відповідно.
Загалом завдяки зростанню складності моделі було досягнуто вищої точності та зменшення помилок, що підкреслює ефективність підходу.
Сара пояснила: «Цей підхід є універсальним, тому наше моделювання має значні наслідки для політики охорони здоров’я. Наприклад, його можна застосувати до інших інфекційних захворювань або поширити на інші зони високого ризику з непропорційно високою захворюваністю та смертністю від малярії в регіонах ВООЗ в Африці. Це може допомогти особам, які приймають рішення, впроваджувати більш проактивні заходи для раннього та точного контролю спалахів малярії.
«Справжня привабливість полягає в здатності аналізувати практично будь-де на Землі завдяки швидкому розвитку спостереження за Землею, глибокого навчання та штучного інтелекту, а також наявності високопродуктивних комп’ютерів. Це може призвести до більш цілеспрямованих втручань і кращого розподілу ресурси для поточних зусиль з ліквідації малярії та покращення результатів охорони здоров’я в усьому світі."